气体分馏装置多变量预测函数控制方法

针对气体分馏工业过程中存在的多变量、强耦合、大滞后等系统特性,设计了一种预测时域可调的多变量预测函数控制算法.该方法结合单变量预测函数控制及Simith预估器的特点,通过对预测时域进行分段设定,以期达到较好的快速性和稳定性.以气体分馏装置的脱丙烷塔为例,依托现场的实测模型,对提出的算法进行了验证.结果表明,所提出预测时域可调的多变量预测函数控制算法调节时间短,跟踪效果好.     

基于Laguerre函数模型的多变量广义预测自适应控制

通过对Laguerre函数模型结构的分析 ,把多变量广义预测自适应控制方法应用于该模型中 ,利用Laguerre函数模型近似控制对象系统结构 ,将模型中间参量的辨识和模型的预测输出有效的统一了起来 ,克服了单纯基于参数化模型预测控制通常需要已知系统的时延和阶次的局限 ,为适合该类模型的工业对象应用提供一种有参考价值的控制方法。     

一种多变量公钥算法的优化方案

针对多变量公钥体系的一些主要问题,提出了一种高效的优化实现方案.首先化简域L模幂运算,提出矩阵化方法,将庞大的模幂次数分解成矩阵形式并进行整合优化;基于BitSlice和复舍域分解的思想,提出一种用于64位处理器的域K乘法优化方法;提出稀疏矩阵LU压缩编码方法,减少私钥矩阵的存储空间;将以上优化算法在SFLASH签名算法上予以验证.与NESSIE官方数据相比,签名速度提高了2倍,验证速度提高了2倍,私钥存储空间减少了一半.     

污水处理过程的多变量预测控制

提出了一种针对活性污泥法污水处理系统的多变量预测控制策略,并将该策略应用到污水处理的脱氮上,对污水中氨氮与硝酸氮浓度实施多变量预测控制。通过对国际水质协会活性污泥1号模型(A SM 1)的闭环计算机仿真表明,应用该算法可实现对污水中氮含量浓度的有效控制,减小系统输出的波动,稳定最终输出。     

多变量系统的广义预测控制

本文介绍一种针对多变量专家控制系统提出的预测解耦方法,该方法是用隐式递推广义预测方法预估出各变量之间的影响,然后加到控制中得以实现的。即使在系统结构未知或变化的情况下,仍可获得次优解,具有很强的鲁棒性。仿真结果表明,方法是有效的。     

基于小波网络的非线性多变量约束预测控制

为了解决非线性多变量系统的建模、控制和优化问题 ,论文扩展基于小波神经网络的单变量系统辨识到多变量系统辨识 ,并用它实现非线性预测控制。对开环稳定过程 ,引入一个具有输入约束的基于小波神经网络模型的区域预测控制方案 ,它的闭环稳定性能够通过适当选择它的预测水平来保证。基于上述动态控制方案 ,提出了一个稳态状态优化方案。通过对一个聚酯生产过程的仿真研究 ,证实了上述方法的有效性。由于能够通过线性最小二乘 (L S)估计方法来辨识 ,该模型易于实现并可用作通用模型。仿真研究的结果表明了该模型的通用性、辨识和控制方法的简单性 ,所提出方案能够被用于过程工业的非线性系统的建模和控制     

多变量系统解耦内模控制及其PID转化应用方法的研究

文中针对不同回路具有不同时滞的多变量稳定过程，提出了一种多变量解耦内模控制设计及其常规PID转化应用方法。所设计的多变量内模控制器能使系统稳定解耦，所得到的闭环系统根据开环系统时滞来描述。该方法为精馏等化工装置的复杂控制系统提供了一种新的优化和先进控制方案。     

基于Laguerre 函数近似模型的多变量系统增量型预测控制的算法

探讨了基于Laguerre函数近似模型的多变量系统的增量型多步预测、多步控制算法 ,并进行了仿真 ,结果表明该算法具有较好的控制性能     

带中间状态反馈的多变量非线性预测控制

给出了基于神经网络的多变量非线性预测控制算法,提出了带中间状态反馈校正的基于神经网络的多变量非线性预测控制,以及反馈校正矩阵的设计方法．仿真结果表明,此算法大大地增强了系统的抗干扰能力,是一种有效和实用的控制方法．     

基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.     

基于遗传算法优化因子的灰色PI预测控制

针对灰色PI预测控制比例因子和积分因子参数整定困难,提出了基于遗传算法参数优化整定的PI型灰色广义预测控制(GPIPC)。灰色PI预测控制(GPIGPC)采用灰色预测控制技术克服时变时滞,用PI(PID)控制技术加强系统的鲁棒性,运用遗传算法在线优化整定灰色PI预测控制的比例因子和积分因子,增强了系统的跟踪特性和抗恒值扰动特性,极大程度地减少了模型时延失配和模型增益失配的影响。仿真实例表明,该算法具有较好的鲁棒性和抗干扰性。     

基于特征模型的预测函数控制

传统的预测函数控制通常采用一阶的预测模型,该预测模型不能完全表征被控对象,因此使得传统的预测函数控制的鲁棒性受到一定限制．特征模型是一种比动力学模型简单,但能表征被控对象特征的模型．该文针对预测函数控制算法的缺陷,提出利用二阶特征模型来构成预测模型．通过工程建模获取了被控对象的特征模型,实现了基于特征模型的新型预测函数控制,并通过与采用一阶预测模型的预测函数控制进行比较．理论分析与实验结果均表明,采用特征模型的预测函数控制具有比一阶预测模型更好的控制效果,该算法在SUPCON-JX300X集散控制系统上实现．     

基于现代工业过程控制的预测函数控制

分析了预测函数控制算法的原理,通过仿真研究表明预测函数控制在工业过程控制中表现出较强的鲁棒性和抗干扰性.     

多变量系统的最优预报控制

以完整的最小二乘递推算法和以约束最优化方法为基础,提出了p-输入q-输出多变量系统的最优预报控制(OPC)方法。数字仿真和实时控制实验表明OPC具有很高的控制精度以及理想的解耦和抗干扰能力。     

基于双模型预测函数控制的PVC聚合釜温度系统

介绍PVC聚合反应的过程,针对PVC温度系统的特殊性,提出基于多模型的预测函数控制策略。将被控过程空间分为多个子空间,每个子空间对应一个失配较小的预测模型,同时设计多个预测函数控制器与之对应。该控制策略拓宽了传统预测函数控制的应用领域。根据PVC的升温和保温这2个不同的反应区间采用了2个不同的预测模型,以适应过程参数在不同区间发生的变化。该算法在SUPCON-JX300X集散控制系统上利用SCX语言实现,工业现场运行取得了满意的效果。实际运行表明：该控制策略具有算法简单、易于工程实现的优点。     

基于多速率采样系统的网络预测控制算法

针对网络控制系统（NCS）中存在的网络延迟和数据丢包问题,利用提升技术,将预测控制器和网络延迟补偿器相结合,提出了一种基于多速率采样系统的网络预测控制算法．仿真试验表明,该算法对网络延迟和数据丢包具有一定的补偿作用,不仅提高了网络资源利用率,且能保证闭环网络控制系统是渐近稳定的．     

基于粒子群寻优的汽车自适应巡航预测控制

为进一步提升多目标自适应巡航系统预测控制精度,提出一种基于粒子群寻优的汽车自适应巡航预测控制算法.首先建立一种包含前车加速度扰动的自适应巡航系统车间纵向运动学模型,并对其线性离散化;其次综合车距误差、相对车速、自车加速度和冲击度,设计二次型多目标优化性能指标函数和多参数约束条件,构建自适应巡航预测控制优化命题;最后为便于问题求解,将目标函数和约束条件推导转化为以预测控制增量为优化变量的规范形式,并基于粒子群优化算法求解自适应巡航预测控制的最优控制律.通过Matlab/Simulink多工况仿真结果表明,粒子群算法求解的最优控制律能够控制自车保持更好的跟踪性和自适应性.